6. [예시문제] 머신러닝 모델 학습 전 데이터 전처리 과정에서 특성 스케일링(Feature Scaling)을 수행하는 주요 목적이 아닌 것은 무엇인가?

서포트 벡터 머신(SVM)이나 k-최근접 이웃(k-NN)과 같이 거리를 기반으로 하는 알고리즘의 성능 향상
경사하강법(Gradient Descent) 기반의 최적화 알고리즘 학습 속도 개선
특성들의 단위나 범위 차이로 인해 특정 특성이 모델 학습에 과도하게 영향을 미치는 것을 방지
결정 트리(Decision Tree)나 랜덤 포레스트(Random Forest)와 같은 트리 기반 모델의 과적합(Overfitting) 방지

정답: 4번

특성 스케일링은 거리 기반 알고리즘, 경사하강법 기반 알고리즘의 성능 및 수렴 속도를 향상시키고, 특정 특성의 영향력 편향을 줄이는 데 목적이 있습니다. 반면, 결정 트리나 랜덤 포레스트와 같은 트리 기반 모델은 특성들의 스케일에 영향을 받지 않으므로, 이들 모델의 과적합 방지는 스케일링의 주요 목적이 아닙니다.